Anda di halaman 1dari 38

ANALISA REGRESI &

KORELASI SEDERHANA

Tita Talitha, MT
Analisis Regresi dan Korelasi
Analisis regresi digunakan untuk mempelajari dan
mengukur hubungan statistik yang terjadi antara
dua varibel atau lebih variabel.
Variabel tersebut adalah variabel X (variabel
independent / variabel yang mempengaruhi /
variabel yang diketahui), dan variabel Y (variabel
dependent / variabel yang dipengaruhi/ variabel
yang tidak diketahui)
Analisis korelasi bertujuan untuk mengukur
seberapa kuat atau derajat kedekatan, suatu
relasi yang terjadi antar variabel.
Macam hubungan antara 2
variabel
Pada dasarnya hubungan antar 2
variabel dapat dibedakan atas:
1. Hubungan searah/positif
2. Hubungan bersifat
kebalikan/negatif
3. Tidak ada hubungan
Hubungan searah/positif
Hubungan yang searah diartikan apabila
perubahan variabel x (independent) akan
mempengaruhi variabel y (dependent)
yang searah.
Atau jika variabel x bertambah, maka
variabel y bertambah pula, dan
sebaliknya.
Contoh :
a. hubungan antara pengeluaran iklan (x) dan
jumlah penjualan (y).
b. Hubungan antara penghasilan (X) dan
pengeluaran konsumsi (Y)
Hubungan bersifat
kebalikan/negatif
Dua variabel dikatakan mempunyai
hubungan yang bersifat kebalikan atau
negatip, apabila perubahan variabel
independent (x) akan mempengaruhi
variabel dependent (Y) pada arah yang
berlawanan.
Artinya apabila variabel x bertambah,
maka variabel y berkurang atau
sebaliknya, jika variabel x berkurang
maka variabel y bertambah.
Hubungan bersifat
kebalikan/negatif
Contoh :
a.Hubungan antara usia kendaraan (X)
dengan tingkat harga (Y).
b.Hubungan antara harga barang (x)
dengan jumlah yang diminta (Y)
Tidak ada hubungan

Dua variabel dikatakan tidak punya


hubungan apabila perubahan pada
variabel independent (x) tidak
mempengaruhi perubahan pada
variabel dependent (y).
Contoh :
Hubungan antara konsumsi pangan
(x) dengan tingginya gedung (y).
Relasi yang Logis
Seorang pimpinan perusahaan selalu dihadapkan
pada masalah pengambilan keputusan yang
berkaitan dengan hal-hal di masa mendatang.
Untuk pengambilan keputusan yang tepat, maka
harus berdasarkan pada data yang diketahui,
dihubungkan dengan hal-hal di masa mendatang.
Seperti kita ketahui, pada semua kejadian, baik
kejadian ekonomi maupun lainnya, pasti ada faktor
yang menyebabkan terjadinya kejadian-kejadian
tersebut (merosotnya hasil penjualan tekstil
mungkin disebabkan karena kalah bersaing dengan
tekstil impor, merosotnya produksi padi mungkin
karena pupuknya berkurang, dan lain sebagainya)
Penggambaran Garis
Regresi
Ada 2 cara penggambaran garis regresi :
1.Metode diagram berserak (The scatter
diagram)
2.Metode jumlah kuadrat terkecil (The least
squares method)
Diagram Pencar
Setelah ditetapkan bahwa terdapat hubungan logis
di antara variabel, maka untuk mendukung
analisis lebih jauh, barangkali tahap selanjutnya
adalah menggunakan grafik.

Grafik ini disebut diagram pencar, yang


menunjukkan titik-titik tertentu. Setiap titik
memperlihatkan suatu hasil yang kita nilai
sebagai varibel tak bebas maupun bebas
Diagram pencar ini memiliki 2 manfaat,
yaitu :
- membantu menunjukkan apakah terdapat
hubungan yang bermanfaat antara dua
variabel,
- dan membantu menetapkan tipe
persamaan yang menunjukkan hubungan
antara kedua variabel tersebut.
Tabel perhitungan

Karyawan Hasil Produksi Skor Tes


(lusin) Kecerdasan
(Y) (X)
A 30 6

B 49 9

C 18 3

D 42 8

E 39 7

F 25 5

G 41 8

H 52 10
Karyawan Hasil Produksi Skor Tes
(lusin) Kecerdasan
(Y) (X)

A 30 6
B 49 9
C 18 3
D 42 8
E 39 7
F 25 5
G 41 8
H 52 10
Metode jumlah kuadrat terkecil

Regresi merupakan suatu alat ukur yang juga


digunakan untuk mengukur ada atau tidaknya
korelasi antar variabelnya.

Istilah regresi itu sendiri berarti ramalan atau taksiran.

Persamaan yang digunakan untuk mendapatkan garis


regresi pada data diagram pencar disebut
persamaan regresi.
Untuk menempatkan garis regresi pada data yang diperoleh maka
digunakan metode kuadrat terkecil, sehingga bentuk persamaan
regresi adalah sebagai berikut:

Y = a + b X
Dimana:
Y: nilai estimate variabel terikat
a: titik potong garis regresi pd sumbu y (nilai estimate Y bila x=0)
b: gradien garis regresi (perub nilai estimate Y per satuan perubahan
nilai x)
X: nilai variabel bebas
Kesamaan diantara garis regresi dan garis trend tidak dapat berakhir
dengan persamaan garis lurus. Garis regresi (seperti garis trend dan
nilai tengah aritmatika) memiliki dua sifat matematis berikut :
(Y Y) = 0

dan (Y Y)2 = nilai terkecil atau terendah

Dengan perkataan lain, garis regresi akan


ditempatkan pada data dalam diagram sedemikian
rupa sehingga penyimpangan (perbedaan) positif
titik-titik terhadap titik-titik pencar di atas garis
akan mengimbangi penyimpangan negatif titik-titik
pencar yang terletak di bawah garis, sehingga
hasil penyimpangan keseluruhan titik-titik terhadap
garis lurus adalah nol.
Untuk tujuan di atas, perhitungan analisis regresi dan
analisis korelasi dapat dipermudah dengan
menggunakan rumus dalam bentuk penyimpangan
nilai tengah variabel X dan Y, yaitu penyimpangan
dari

X dan Y
Oleh karena itu, dapat digunakan simbol berikut ini :


x X X
y Y Y
dan xy X X Y Y
Nilai dari a dan b pada persamaan regresi dapat
dihitung dengan rumus berikut :

b
xy i i

x 2
i

n X iYi X i Yi
b
n X X i
2 2
i

a Y bX
Tabel perhit.

Karyawan Hasil Produksi Skor Tes y x xy x2 y2


(lusin) (Y) (X) Y Y X X
A 30 6 -7 -1 7 1 49

B 49 9 12 2 24 4 144
C 18 3 -19 -4 76 16 361

D 42 8 5 1 5 1 25

E 39 7 2 0 0 0 4
F 25 5 -12 -2 24 4 144

G 41 8 4 1 4 1 16

H 52 10 15 3 45 9 225

296 56 0 0 185 36 968

Y
Y 296
37 X
X

56
7
N 8 N 8
b
xy 185
5,138 ~ 5,14
x 36 2

a Y b X 37 5,14 7 1,02

Y ' 1,02 5,14 X


X 3 Y ' 1,02 5,14 3 16,44
X 5 Y ' 1,02 5,14 5 26,72
X 6 Y ' 1,02 5,14 6 31,86
X 10 Y ' 1,02 5,1410 52,42
Pembacaan garis regresi
Contoh: Jika garis regresi ditunjukkan
dengan persamaan :
y 2,94 0,95 x
1

maka dapat diartikan bahwa : hasil


penjualan akan bertambah sebesar
0,95 pada setiap kenaikan
pengeluaran iklan sebanyak 1
satuan
Koefisien Regresi
Adalah lereng garis regresi (nilai b)
Nilai b positif , menunjukkan
hubungan antara variabel x dan y
searah atau hubungannya positif.
Nilai b negatif, menunjukkan
hubungan antara variabel x dan y
berlawanan arah atau hubungannya
negatif
Besar kecilnya perubahan variabel x
terhadap variabel y ditentukan besar
Perbedaan Regresi dan
Korelasi
Regresi menunjukkan hubungan antara
variabel satu dengan variabel lainnya.
Sifat hubungan dapat dijelaskan:
variabel yang satu sebagai penyebab,
variabel yang lain sebagai akibat.
Korelasi tidak menunjukkan hubungan
sebab akibat, akan tetapi menunjukkan
hubungan antara variabel satu dengan
yang lain.
Interpretasi penyimpangan standar
terhadap garis regresi
(standart error of estimate)
Penyimpangan standar terhadap garis regresi
diinterpretasikan sebagai penyimpangan
terhadap rata-rata.
Semakin besar nilai Se semakin tersebar titik-titik
yang berada di sekitar garis regresi.
Apabila Se=0 atau penyimpangan standar
terhadap garis regresi = 0, maka semua titik
berada di sepanjang garis regresi.
Se=0 maka persamaan garis regresi dapat
digunakan secara sempurna untuk menaksir
variabel dependen.
Koefisien Determinasi
Adalah alat utama untuk mengetahui
sejauh mana tingkat hubungan antara
variabel x dan y.
Nilai koefisien determinasi antara 02
1
r
Nilai koefisien determinasi = 1
menunjukkan hubungan sempurna.
Nilai koefisien determinasi = 0
menunjukkan tidak ada hubungan.
r 2 81 artinya 81% perubahan dari
variabel y ditentukan oleh variabel x.
Koefisien korelasi
Adalah alat kedua untuk menjelaskan
hubungan antara variabel x dan y.
Koefisien korelasi merupakan akar
r r 2
dari koefisien determinasi ( )
Koefisien korelasi menunjukkan arah
hubungan antara variabel x dan y.
Hubungan dua variabel ada yang positif dan
negatif. Hubungan X dan Y dikatakan
positif apabila kenaikan (penurunan) X
pada umumnya diikuti oleh kenaikan
(penurunan) Y.

Sebaliknya dikatakan negatif kalau kenaikan


(penurunan) X pada umumnya diikuti oleh
penurunan (kenaikan) Y.
Koefisien korelasi (x dan y) mempunyai hubungan positif
Koefisien korelasi (x dan y) mempunyai hubungan negatif
Koefisien korelasi (x dan y) tidak mempunyai hubungan atau
hubungan lemah sekali
Y Y

atau

0 X 0 X
Kuat dan tidaknya hubungan antara X dan Y apabila dapat
dinyatakan dengan fungsi linear(paling tidak mendekati), diukur
dengan suatu nilai yang disebut koefisien korelasi. Nilai koefisien
korelasi ini paling sedikit 1 dan paling besar +1.

Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai


berikut :
-1 r +1
Kuat (-) Kuat (+)

-1 +1

Lemah (-) Lemah (+)

Jika r =+1, hubungan X dan Y sempurna dan positif,


r = -1, hubungan X dan Y sempurna dan negatif,
r mendekati +1, hubungan sangat kuat dan positif,
r mendekati 1, hubungan sangat lemah dan
negatif.
Kalau koefisien penentuan ditulis KP, maka untuk
menghitung KP digunakan rumus berikut : KP = r2

Cara menghitung r adalah sebagai berikut:

n
xi y i
r i 1
( 7.2 )
n 2 n 2
xi yi
i 1 i 1
atau
n n n
n X iYi X i Yi
r i 1 i 1 i 1
2 2
n 2 n n 2 n
n Xi Xi Yi Yi

i 1 i 1 i 1 i 1
Kedua rumus diatas disebut koefisien korelasi Pearson
Contoh 7.1

X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
Tabel 7.2

X Y X X Y Y x2 y2 xy
(x) (y)
1 2 -5,25 -5,75 27,5625 33,0625 30,1875
2 4 -4,25 -3,75 18,0625 14,0625 15,9375
4 5 -2,25 -2,75 5,0625 7,5625 6,1875
5 7 -1,25 -0,75 1,5625 0,5625 0,9375
7 8 0,75 0,25 0,5625 0,0625 0,1875
9 10 2,75 2,25 7,5625 5,0625 6,1875
10 12 3,75 4,25 14,0625 18,0625 15,9375
12 14 5,75 6,25 33,0625 39,0625 35,9375
X i 50 Y
i 62 xi 0 y i 0 x
i
2
107,5 y i
2
117 ,5 x y
i i 111,5

X 6,25 Y 7,75
8

x y i i
r i 1
8 8

x y
i 1
2
i
i 1
2
i

111,5
r 0,99
107,5 x 117 ,5

KP r 2 0,99 0,9801 x 100% 98%


2

Anda mungkin juga menyukai